导读:本文包含了小波估计论文开题报告文献综述及选题提纲参考文献，主要关键词:NOD随机变量,非参数回归模型,小波估计,强相合性
小波估计论文文献综述
邓新,桂代运,许志才[1]（2020）在《NOD误差下非参数回归模型中小波估计的强相合性》一文中研究指出研究带有重复测量的非参数回归模型:Y~((j))(x_(ni))=g(x_(ni))+e~((j))(x_(ni)),其中Y~((j))(x_(ni))是在x_(ni)处的第j次观测值,x_(ni)已知,g(·)是定义在[0,1]上的未知回归函数.基于NOD随机误差,借助于Rosenthal型矩不等式和Kolmogorov强大数定律,在较弱的假设条件下,得到关于g(·)的小波估计的强相合性,该结果推广了关于NA误差的相应结论.(本文来源于《湖北大学学报(自然科学版)》期刊2020年01期）
刘香,胡宏昌,余新新[2]（2019）在《长相依固定设计下部分线性EV模型的小波估计的渐近性质》一文中研究指出本文主要内容是当随机误差为高斯随机变量的函数且长相依时.利用小波估计的方法来研究固定设计下的部分线性EV(errors-in-variables)模型.在一些合适的条件下,推广了模型中参数估计量的渐近表示,以及参数与非参数变量的渐近分布和弱相依速度.(本文来源于《数学杂志》期刊2019年06期）
赵云飞,徐俊,王海涛,梅雪松[3]（2019）在《采用Morlet小波的锂电池相对健康状态估计》一文中研究指出针对现有电池健康状态(SOH)估计方法存在估计精度低、计算量大等问题,提出了一种采用Morlet小波的锂电池相对健康状态估计方法。首先探究了电池电化学阻抗谱(EIS)与相对健康状态对应关系,然后获取电池实际工况下的电压电流数据,采用Morlet小波对所获得的电池电压和电流数据分别进行Morlet小波变换,用变换后的电压小波系数除以电流小波系数在线计算电池EIS,最后利用在线计算的EIS估计电池的相对健康状态。该方法无需进行大量实验,准确度高,计算快,能更好地应用于电动汽车中。在城市道路循环(UDDS)工况下对所提出的方法进行了验证,实验结果表明,该方法可以准确估计出电池的相对健康状态,估计误差控制在3.3%以内。(本文来源于《西安交通大学学报》期刊2019年12期）
吴聪,曾晓晨,王晋茹[4]（2019）在《带超级光滑噪声密度函数的小波自适应点态估计》一文中研究指出利用小波方法在局部Holder空间中研究一类反卷积密度函数的点态估计问题.首先,针对超级光滑噪声给出该模型任一估计器的点态风险下界;其次,构造有限求和小波估计器,并证明其在超级光滑噪声条件下达到了最优收敛阶,即该估计器在点态风险下的收敛速度与下界一致.最后,还讨论了这类小波估计器的强收敛性.值得指出的是上述估计都是自适应的.(本文来源于《数学学报(中文版)》期刊2019年05期）
许俊莲[5]（2019）在《NA样本密度小波估计的相合性》一文中研究指出研究负相协样本X_1,X_2,…,X_n的密度函数估计问题。利用小波方法,构造了该样本密度函数的线性小波估计器。在不假定密度函数具有任何光滑性的条件下,证明小波估计器的L~p(1≤p≤∞)平均相合性。结果表明,小波密度估计器能够有效估计负相协样本的密度函数,从而扩充了小波方法的应用范围。(本文来源于《中山大学学报(自然科学版)》期刊2019年05期）
邓宁宁,何锫[6]（2019）在《最小二乘估计耦合小波相似性的边缘检测算法》一文中研究指出为解决当前图像边缘提取时存在边缘不连续、虚假边缘及边缘定位不准确等不足,设计最小二乘估计耦合小波相似性的不均匀光照边缘检测算法。通过将图像分割成一系列的子块,计算其相邻像素的相似映射,平均不均匀光照强度;为获得边缘信息,计算相似映射下图像邻域像素和方向小波滤波器之间的相似度;将加权最小二乘估计正则化结合小波相似度来处理光照差异,提供亮度不变的相似性和精确的边缘定位与提取,获取光照校正后的水平、垂直和对角子带;通过合成所有子带与相似映射获得边缘。实验结果表明,与当前边缘检测方案相比,在光照不均匀条件下,所提方法具有更高的边缘提取质量。(本文来源于《计算机工程与设计》期刊2019年08期）
韩先平[7]（2019）在《基于M估计的外弹道数据小波阈值去噪方法》一文中研究指出针对靶场外弹道数据传统剔野方法识别率不高、局限性大、剔野效果差等问题,提出了一种基于M估计的野值快速识别和剔除方法。首先采用M估计理论快速识别和剔除外弹道数据中明显粗大或成片干扰野值,抑制对阈值判别的干扰,再利用小波去噪算法进行二次去噪与估计,剔掉细小和隐蔽野值。在阈值的选取上,构造了一种新的阈值函数,有效提升了野值的判别力和去噪率。经仿真实验证明:该方法野值的识别和剔除率可达到90%以上,处理结果更接近真值,且方法通用性强,能够满足靶场高精度处理的需求。(本文来源于《电子测量技术》期刊2019年15期）
帅海峰[8]（2019）在《基于VMD分解和小波阈值去噪的时差估计算法》一文中研究指出为了提高时差定位算法的精度,提出了一种基于VMD分解和小波阈值去噪的时差估计算法。通过VMD分解将信号分解成若干个分量,再利用小波阈值去噪对各个分量进行去噪,最后将信号重构进行互相关得到信号的时延值。仿真结果表明,该方法优于直接小波阈值去噪的时差参数估计算法,具有更高的准确度和稳定性。(本文来源于《软件》期刊2019年06期）
田瑞瑞[9]（2019）在《基于紧小波框架的概率密度函数估计》一文中研究指出近年来,概率密度函数估计在非参数估计中越来越受到关注.小波作为一种有效的工具在非参数概率密度函数估计中也已经得到了广泛的应用.经典的非参数密度估计问题是:设(Ω,F,P)为概率测度空间,X是连续型随机变量,它服从的概率密度函数f(x)未知.如何从X的n个独立同分布的随机样本X1,X2,…,Xn定义恰当的估计器fn使其在某种意义下逼近f(x).在统计学中,衡量估计器优劣的常用方法有两种.一种是均方差(简记为MSE)它考察估计器与真实函数的局部误差.另一种是积分均方误差(简记为MISE)它考察估计器与真实密度函数在L2意义下的整体误差.事实上,在实际问题当中,多数数据的分布是难以事先假定的.同时,考虑到要尽可能地提高估计的可靠性,那么采用适应性更广的概率密度函数估计方法是一个很好的选择.当前采用的小波方法往往基于正交小波基,它的优势在于小波不但在时域和频域上具有很好的多分辨率性质及局部性质,而且它还可以刻画一大类函数空间.但是正交小波基下展开的不同系数之间缺乏相关性,这就影响到估计的精度,为了克服这一缺点,本文采用了具有冗余性的紧小波框架.该类框架继承了正交小波基的多尺度结构,同时分解系数之间还具有相关性,从而从本质上克服了正交小波基的缺点.文中首先给出了基于紧小波框架的连续Sobolev空间的刻画,其次基于紧小波框架给出了f(x)的一个估计量fj1(x),进而推导出了它与小波核的内在关系.然后对L2(R)上连续随机变量的概率密度函数进行了估计.最后针对概率密度函数的估计分别讨论了随机误差和确定性误差,以及两者和的一个上界.在此基础上,在对概率密度函数估计的过程中采用的是核密度估计,因此特意给出了连续形式下核函数的表达式及一系列推导中所需要的限制条件.最后求解出了使其误差达到最小的参数的值.(本文来源于《河南大学》期刊2019-06-01）
曹凯凯[10]（2019）在《各向异性密度函数的小波估计》一文中研究指出基于小波方法在各向异性Besov空间中研究了非紧支密度函数的估计问题,给出线性小波估计器,并证明其在L~p(2≤p<+∞)风险意义下的上界。进一步地,假定密度函数具有独立结构来降低维数灾难,并给出相应上界证明。(本文来源于《山东大学学报(理学版)》期刊2019年06期）
小波估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要内容是当随机误差为高斯随机变量的函数且长相依时.利用小波估计的方法来研究固定设计下的部分线性EV(errors-in-variables)模型.在一些合适的条件下,推广了模型中参数估计量的渐近表示,以及参数与非参数变量的渐近分布和弱相依速度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波估计论文参考文献
[1].邓新,桂代运,许志才.NOD误差下非参数回归模型中小波估计的强相合性[J].湖北大学学报(自然科学版).2020
[2].刘香,胡宏昌,余新新.长相依固定设计下部分线性EV模型的小波估计的渐近性质[J].数学杂志.2019
[3].赵云飞,徐俊,王海涛,梅雪松.采用Morlet小波的锂电池相对健康状态估计[J].西安交通大学学报.2019
[4].吴聪,曾晓晨,王晋茹.带超级光滑噪声密度函数的小波自适应点态估计[J].数学学报(中文版).2019
[5].许俊莲.NA样本密度小波估计的相合性[J].中山大学学报(自然科学版).2019
[6].邓宁宁,何锫.最小二乘估计耦合小波相似性的边缘检测算法[J].计算机工程与设计.2019
[7].韩先平.基于M估计的外弹道数据小波阈值去噪方法[J].电子测量技术.2019
[8].帅海峰.基于VMD分解和小波阈值去噪的时差估计算法[J].软件.2019
[9].田瑞瑞.基于紧小波框架的概率密度函数估计[D].河南大学.2019
[10].曹凯凯.各向异性密度函数的小波估计[J].山东大学学报(理学版).2019